تحلیل و بررسی تخصصی

پژوهشگران با معرفی متد HAAD، شناسایی جعل‌های عمیق را از تحلیل الگوهای بصری به تحلیل پایداری فیزیکی منتقل کردند. این رویکرد با شناسایی «ناپایداری‌های انرژی» در تصاویر مصنوعی، نیاز…

پژوهشگران پنجره‌ای حیاتی در آموزش مدل‌های ترنسفورمر کشف کرده‌اند که تعیین می‌کند مدل واقعاً استدلال کند یا صرفاً داده‌ها را حفظ کند. نکته‌ی غافلگیرکننده این است که زمان‌بندی…

چارچوب ReGuard نقاط شکست بحرانی در کنترلرهای شبکه مبتنی بر RL را شناسایی و با قوانین منطقی سبک اصلاح می‌کند. این متد بدون نیاز به بازآموزی، سقوط عملکرد در بدترین سناریوها را تا…

پژوهشگران چارچوب جدیدی به نام EaC را معرفی کردند که به عامل‌های هوش مصنوعی اجازه می‌دهد تجهیزات فیزیکی آزمایشگاه را کنترل کنند. این سیستم با تبدیل استدلال‌های دیجیتال به دستورات…

محققان موفق شدند روش‌های تفاضل زمانی (TD) را به یادگیری تقویت‌شده اپیزودیک تعمیم دهند. این دستاورد اجازه می‌دهد بدون تغییر در سیاست بهینه، بهره‌وری نمونه‌برداری را به‌طور چشمگیری…

پژوهشگران با معرفی LongSeeker، پارادایم جدیدی برای مدیریت حافظه در عامل‌های جستجو ایجاد کرده‌اند. این مدل با حذف داده‌های زائد، دقت جستجوهای پیچیده را به ۶۲.۵٪ رسانده و رقبای…

یک سیستم جدید عامل‌محور توانسته است با ساخت و بازنویسی مدل‌های دنیای پایتونی، پازل‌های پیچیده ARC-AGI-3 را حل کند. این دستاورد، معیار جدیدی برای استدلال عمومی در هوش مصنوعی تعریف…

ربات‌های خانگی در حال خروج از شبیه‌سازها و ورود به محیط‌های واقعی هستند، اما سیستم‌های امنیتی فعلی ناکارآمدند. چارچوب جدیدی به نام SPINE پیشنهاد می‌کند که حریم خصوصی به جای یک…

پژوهشگران با معرفی Uno-Orchestra، سیستمی برای بهینه‌سازی همزمان تجزیه تکالیف و انتخاب مدل طراحی کرده‌اند. این رویکرد دقت را ۱۶ درصد افزایش و هزینه‌های استنتاج را تا ۱۰ برابر کاهش…

پژوهشگران راهی برای اجرای الگوریتم‌های استاندارد Bandit در مسائل T-MDP یافته‌اند که مانع رشد نمایی حافظه می‌شود. این متد با استفاده از کران‌های اطمینان مشترک، محاسبات را به سطح…

پژوهشگران مدل NRI را معرفی کردند؛ سیستمی که می‌تواند بدون نیاز به بازآموزی، قوانین منطقی را در حالت صفر-شات استخراج کند. این مدل با تکیه بر ویژگی‌های آماری، استدلال نمادین را از…